基于线段扫描的碎纸片边界检测算法研究*罗智中(华东交通大学机电工程学院南昌330013)摘要:提出了基于短线段扫描的碎纸片图像边缘检测算法,该算法用一系列短线段拟合碎纸片的边缘,这些短线段首尾相连,组成碎片边缘拟合曲线;在碎片边界拟合过程中,使用直线插补方法获得线段离散点,通过点的属性来判断线段与碎片边缘的拟合程度,同时使用圆插补方法旋转扫描线段,以保证线段扫描方向连续而没有间断;还分析了碎片图像噪声分布特点,提出了噪声点去除方法;同时提出了多碎片图像边缘检测方法。根据所提出的算法,研制了碎纸片边缘检测程序,并利用这些程序对两实际例子进行了分析,分析结果表明所提出的碎片边缘检测方法是可靠和有效的。关键词:图像拼接;边缘检测;碎纸片自动拼合:TP301文献标识码:A国家标准学科分类代码:520.6040ResearchonedgedetectionalgorithmforscrappedpaperwithlinesegmentscanningLuoZhizhong(SchoolofElectricalandMechanicalEngineering,EastChina激aotongUniversity,Nanchang330013,China)Abstract:Thispaperinvestigatesanedgedetectionalgorithmforscrappedpaperbasedonlinesegmentscanning.Thismethodfitspaperedgeswithaseriesofshortlines;thoseshortlineslinktoeachotherandcomposeaclosedcurveofscrappedpaperedges.Duringtheprogressofedgefitting,lineinterpolationmethodisusedtoobtaindiscretepointsoftheshortline;thesimilaritybetweenimageedgeandshortlineisestimatedthroughanalyzingthepointattributes.Inordertoguaranteethescanningdirectioncontinuity,circleinterpolationmethodisusedtorotatetheshortline.Inthepaper,noisecharacteristicanditseliminatingmethodarealsostudied;generalmultiedgedetectingmethodformultiscrappedpaperimagesisalsodiscussedindetai.lIntheend,tworealscrappedpaperimagesareanalyzedusingthecomputerprogramdevelopedaccordingtothisalgorithm,andanalysisresultstestifythattheproposededgedetectionalgorithmforscrappedpaperisreliableandefficien.tKeywords:imagestitching;edgedetection;autostitchingofscrappedpaper1引言碎纸片的边界识别是碎纸片自动拼接的一个关键环节,由于采集碎纸片图像时通常先将多个碎纸片布置在颜色单一且与纸片背景颜色有显著的背景中,采用Sobel、Canny等微分算子可以比较容易地获得碎纸片边界点[1-5],但是这些图像边界点是离散的网格点,点与点之间还经常出现断点,为获得精准的边界曲线,一般需对边界曲线进行曲线拟合,然而由于碎纸片的边界附近通常还有字迹边界点,曲线拟合前还须将边缘边界点和字迹边界点区别开来,这同样会带来不少困难[6-18]。为此本文提出了基于短线段扫描的碎纸片边缘检测方法,该方法用一系列短线段拟合边界,整个边缘过程实际是一系列圆插补、直线插补及点属性判断过程的组合,算法简单而可靠。290仪器仪表学报第32卷2边界点识别及躁声去除拟合碎片边界前必须获取边界点信息,本文采用亮度梯度识别边界点,如图1(a)所示,多个碎纸片布置在与碎纸片颜色有显著差异的背景中,然后用Sobel算子或其他算子计算各点亮度的梯度,如果亮度梯度大于某个给定阈值,则将该点设置为红点,表示该点可能是边界点,也可能是躁声产生的伪边界点,否则设置为白点,表示它一定是非边界点,见图1(b),为使计算简单以及提高计算效率,所有计算均按Sobel公式计算,但计算均在整数范围内进行。由于背景材料颜色的不纯,在背景中还会出现伪边界点,也即躁声点,见图2(a),为避免躁声点的影响,还要想方设法去除伪边界点。躁声点一般不呈线型分布,而是聚集在一小范围内,见图2(a),因此判断某红点是否躁声点时,应以该点为中心设置一小圆环,然后判断该小圆环内是否也有红点,如果圆环内没有红点则表明该点不是线型分布点,于是可判定该点为躁声点,如果圆环内有红点则将它设置为真实边界点。一般圆环宽度取1个像素的宽度,圆环内半径取3~4个像素点,为计算简单,也可用正方形代替圆。躁声点去除后所有红点均可认为是边界点,本文以后均称红点为边界点,躁声点删除后就可用线...
